大发平台论坛|平台推荐安卓版v2.9.1(2023已更新)

中国足球转会“开窗”时间一推再推 中超联赛最早4月中下旬揭幕******

　　中国足球转会“开窗”时间一推再推

　　中超联赛最早4月中下旬揭幕

　　北京时间2月1日，国际足联转会匹配系统TMS的更新信息显示，2023年度中国足球首期国际转会窗口延至2月20日开启，至4月10日关闭。如果这一安排不再调整，那么就意味着新赛季中超联赛最早于4月中下旬拉开帷幕。

　　去年年底，国际足联TMS系统曾显示，本年度首段中国足球国际转会窗口期于今年1月16日开启。但就在16日当天，TMS系统更新了相关信息，显示本次开窗时间将延至2月1日。而最新的开窗时间被进一步推延至2月20日。

　　一般来说，各协会开闭转会窗口的时间节点，都会围绕着本国(地区)联赛的竞赛计划来设定。如，转会窗开启时间一般会设在联赛开赛前1到2个月，而关闭时间则安排在联赛开赛前1到2周，从而方便各俱乐部在锁定新援后，获得必要的新援注册及阵容磨合时间。

　　需要说明的是，除非相关会员协会向FIFA提出特别开窗申请，否则各会员协会已在册球员(含外籍球员)在国内俱乐部之间完成转会，其转会手续也必须在国际足联批复的国际转会窗口期内落实。这也是部分中超俱乐部春节前后虽官宣引进新援，却没有完成球员注册与转会手续的原因。

　　TMS系统更新的信息显示，本年度中国足球首段国际转会窗口期将于2月20日开放，至4月10日关闭，这意味着新赛季中超联赛有望于4月中下旬开赛。在3月20日至28的国际比赛日中，中国男足将受邀与新西兰队进行两场热身。虽然到目前为止，国足新年首期集训计划尚未公布，但中国男足亚运代表队已明确本月进行新年首期集训，这两支国字号球队3月下旬都将出访新西兰，其球员都可以在结束国际比赛日后，在联赛开赛前及时返回各自俱乐部，有时间与球队进行磨合。

　　据北京青年报记者了解，中国足协、中足联筹备组近期也在加紧研究联赛相关问题。关于俱乐部欠薪清偿进展程度、新赛季各级联赛的参赛规模、各级联赛球员注册与转会办法将在接下来的一个月内得到明确。

　　TMS系统更新的信息还显示，中国足球本年度第二段转会窗口期，也就是所谓夏季转会窗将由7月1日延至8月1日开放，关闭时间为8月31日。结合国内足坛本年度转会冬窗开启时间两度被延后的事实，不排除开窗时间受不可抗力因素影响，被进一步推延的可能性。

　　延伸

　　杜兆才遗憾无缘连任FIFA理事

　　第33届亚足联会员代表大会于北京时间2月1日下午在巴林麦纳麦海湾会展中心召开。会议期间，亚足联按议程进行了新周期(2023年至2027年)换届选举。在备受中国足球界关注的国际足联理事会理事投票选举中，国家体育总局副局长、中国足协副主席杜兆才获得了18票，遗憾地在“7选5”的竞争中落选，无缘连任。韩国足协主席郑梦奎则连续两度落选。从亚足联领导层或决策层新一轮“洗牌”结果看来，亚洲足坛天平“西倾”的趋势尤为明显，中国足球在竞争外事话语权及参与各类国际竞争方面，将面临更为严峻的形势。

　　在7位候选人当中，有4人的当选其实在会议召开前就已经板上钉钉，这4人分别是日本足协主席田岛幸三、菲律宾足协主席阿拉内塔，以及两位参选新人卡塔尔足协主席塔尼和沙特足协主席梅沙尔。

　　这样一来，余下一个国际足联理事席位就在中国、韩国、马来西亚三国足协的代表中产生。马来西亚足协哈米丁虽然是首次参选，但其背景优势比较突出。此次竞选结果，对于中国足球而言无疑是一个巨大的遗憾。

　　当然，杜兆才未能连任，受到影响的恐怕不止是中国足球，还有东亚足球。在当选新周期国际足联理事会理事的6名成员中，来自东亚大区会员协会的仅有田岛幸三，余下5人中有3人来自西亚大区(包括自动当选国际足联理事会理事的亚足联主席萨尔曼)、2人来自东南亚大区。再结合连续3届亚洲杯确定在西亚大区会员协会国举办、亚冠联赛按西亚大区会员协会职业联赛竞赛办法调整为跨年赛制，不难看出，亚洲足坛的天平正逐步“西倾”。对中国足球和中国足协来说，面对现实并保持警惕之余，唯有全力提升自身硬实力并完善对外交流，才可能应对接下来更严峻的国际挑战。

　　本组文/本报记者 肖赧

　　统筹/王咏

提速近10倍！基于深度学习的全基因组选择新方法来了******

　　近日，中国农业科学院作物科学研究所、三亚南繁研究院大数据智能设计育种创新团队联合多家单位提出利用植物海量多组学数据进行全基因组预测的深度学习方法, 可以实现育种大数据的高效整合与利用，将助力深度学习在全基因组选择中的应用，为智能设计育种及平台构建提供有效工具。相关研究成果发表在《分子植物（Molecular Plant）》上。

　　全基因组选择作为新一代育种技术，通过构建预测模型，根据基因组估计育种值进行早期个体的预测和选择，从而缩短育种世代间隔，加快育种进程，节约成本，推动现代育种向精准化和高效化方向发展。

　　统计模型作为全基因组选择的核心，极大地影响了全基因组预测的准确度和效率。传统预测方法基于线性回归模型，难以捕捉基因型和表型间的复杂关系。

　　相较于传统模型，非线性模型（如深度网络神经）具备分析复杂非加性效应的能力，人工智能和深度学习算法为解决大数据分析和高性能并行运算等难题提供了新的契机，深度学习算法的优化将会提高全基因组选择的预测能力。

　　该研究团队以玉米、小麦和番茄3种作物的4种不同维度的群体数据为测试材料，通过创新深度学习算法框架开发了全基因组选择新方法。

　　与其他五种主流预测方法相比，该方法有以下优点： 可以利用多组学数据开展全基因组预测；算法设计中包含批归一化层、回调函数和校正线性激活函数等结构，可以有效降低模型错误率，提高运行速度；预测精度稳健，在小型数据集上的表现与目前主流预测模型相当，在大规模数据集上预测优势更加明显；计算时间与传统方法相近，比已有深度学习方法提速近10倍；超参数调整对用户更加友好。

　　该研究得到了国家重点研发计划、国家自然科学基金、海南崖州湾种子实验室和中国农业科学院科技创新工程等项目的支持。

学术支持

中国农业科学院作物科学研究所

记者

宋雅娟

　　（文图：赵筱尘 巫邓炎）